知识卡片
朴素贝叶斯依赖条件独立
朴素贝叶斯以给定类别后特征条件独立为假设,将类别先验乘各特征在该类下的似然,再跨类别归一化。不是假设所有事件在任何条件下都无关。
书中表给出的是词在各类中的出现比例,不能直接当成“给定该词属于垃圾邮件的概率”套入图示公式;99.64%与另一个0%也不是相互补足的规范后验。零计数不证明不可能,可用平滑避免直接归零。scikit-learn说明,2026-10-25。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 14.2 机器学习 · 查看原书依据
朴素并不意味着贝叶斯不知道自己在做什么。这意味着就像掷骰子一样,会发生的所有事件之间都是无关的。我们可以通过观察单词之间的关系来改进垃圾信息过滤程序,比如“and and”只出现在与布尔代数有关的信息中。许多垃圾信息发送者试图通过在他们的信息中包含大量的“词的
参考来源
- 位置:《计算机系统解密》14.2 机器学习(来源项目book-sources,源文件:extracted/计算机系统解密/_epub-src/text/part0141.html)
- 结论依据:本项全部正文与图表实际读取,区分作者示例、推导与实现边界;纠错另有明确说明。
- 原始内容:朴素并不意味着贝叶斯不知道自己在做什么。这意味着就像掷骰子一样,会发生的所有事件之间都是无关的。我们可以通过观察单词之间的关系来改进垃圾信息过滤程序,比如“and and”只出现在与布尔代数有关的信息中。许多垃圾信息发送者试图通过在他们的信息中包含大量的“词的